AI Agent

Beyond Trial-and-Error: Agentic Optimization for Image-to-Video Adherence

超越试错：面向图像到视频一致性的智能体优化

Aman Tyagi, Hemanth Boinpally, Jonathan Chen, Douglas Gebert, Steven Hickson

机构 * Google Cloud（谷歌云） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 工具调用 ：agentic(title,summary_cn)；分类 cs.AI

AI总结 针对图像到视频模型试错效率低的问题，提出Agentic Self-Improvement框架，通过两阶段优化提升视频与文本一致性，生成视频胜率达69%，为视频生成模型提供实用可控的优化方法。

Retry, Switch, or Abstain? Learning Strategy-Aware Tool-Use Policies via Controlled Error Injection

重试、切换还是弃权？通过受控错误注入学习策略感知的工具使用策略

Chaoran Chen, Vy Nguyen, Ziji Zhang, Abhinav Gullapalli, Ziyi Wang, Yuxuan Lu, Dakuo Wang, Jing Huang, Zhou Yu, Jin Lai

机构 * Amazon（亚马逊） 纠错

专题命中 工具调用 ：tool-use(title,abstract)；agent(abstract)；tool use(abstract)；分类 cs.AI

AI总结 该研究提出BENCH2ROBUST框架，结合BTM与课程强化学习，提升LLM智能体在工具故障下的稳健性，在零售任务中BTM可提稳健性16.8个百分点，二者结合达40.8-45.5%。

Agent Skills Can Be Harmful: An Empirical Study of Skill-Induced Failures in LLM Agents

智能体技能可能有害：LLM智能体中技能诱导故障的实证研究

Gen Dong, Yanjie Gao, Liqun Li, Tianyin Xu, Yu Hua, Fan Yang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Microsoft Research（微软研究院） ； Microsoft（微软） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 工具调用 ：agent(title,abstract)；tool use(abstract)；planning(abstract)；分类 cs.AI

AI总结 本文通过提出差异分析框架，在SkillsBench等数据集上发现LLM智能体的技能会引发功能故障与效率回归，并构建SkillTriage工具，为安全复用技能提供研究方向。

VAKRA: Evaluating Multi-Hop Reasoning Across APIs and Retrieval Under Tool-Use Policies

VAKRA：评估工具使用策略下跨API与检索的多跳推理能力

Ankita Rajaram Naik, Anupama Murthi, Benjamin Elder, Siyu Huo, Raavi Gupta, Abhinav Jain, Praveen Venkateswaran, Abdulhamid Adebayo, Danish Contractor

机构 * IBM（国际商业机器公司（IBM）） 纠错

专题命中 工具调用 ：tool-use(title,abstract)；agent(abstract)；分类 cs.AI

AI总结 本研究推出VAKRA基准评估工具使用策略下跨API与检索的多跳推理，发现现有最优模型在相关任务上性能随推理深度显著下降，失败集中于语言介导推理环节。

When the API Speaks the Wrong Language: Revisiting Post-Training for Multilingual Tool Use

当API“说错”语言：重新审视多语言工具使用的后训练

Siddharth Chauhan, Thomas Butler, Abhishek Singhania, Pankaj Porwal, Honey Gupta

机构 * Amazon（亚马逊） 纠错

专题命中 工具调用 ：tool use(title)；分类 cs.AI、cs.CL

AI总结 针对多语言API调用中存在的参数语言不匹配问题，研究发现监督微调可实现接近或优于复杂强化学习方法的性能，强化学习仅能提供渐进式改进。

AgonAlpha: Autonomous Alpha Discovery via Prompt Economy and Scalable Agentic Search

AgonAlpha：通过提示经济与可扩展智能体搜索实现自主阿尔法发现

Weicheng Ye, Youran Sun, Xingyu Ren, Shunyao Yu, Chugang Yi, Haizhao Yang

机构 * The Chinese University of Hong Kong（香港中文大学） ； University of Maryland（马里兰大学） 纠错

专题命中 工具调用 ：agentic(title)；分类 cs.AI

AI总结 AgonAlpha是首个结合经验证构件搜索、对抗审核器与并行预算分配的阿尔法挖掘系统，在WorldQuant BRAIN部署后产出SPECTACULAR级阿尔法，为交易因子自主研究提供了完整证据轨迹。

Beyond Single-Turn Confidence: Trajectory-Adapted Uncertainty Quantification for LLM Agents

超越单轮置信度：面向大语言模型智能体的轨迹适配不确定性量化

Dylan Bouchard, Mohit Singh Chauhan

专题命中 工具调用 ：tool-use(abstract)；分类 cs.AI、cs.CL、cs.LG

AI总结 本研究探讨单轮UQ方法能否迁移至LLM智能体的交互式轨迹场景，评估三类UQ方法在多轮工具使用数据集上的表现，发现黑盒自一致性通常最优，提示需在轨迹层面重新验证单轮UQ方法。

Self-Evolving Embodied Agents via Skill-Harness Evolution

基于技能-工具链进化的自演化具身智能体

Peidong Wang, Zhiming Ma, Ying Chang, Xufang Luo, Xiaocui Yang, Shi Feng, Yuqing Yang, Dongsheng Li

机构 * Microsoft Research（微软研究院） ； Northeastern University（东北大学） 纠错

专题命中 工具调用 ：agent(abstract)；分类 cs.CL

AI总结 提出免训练的SHAPER框架，通过演化技能与工具链实现冻结模型驱动的自演化具身智能体，在VLABench等数据集上验证其适配优势。

Search and Rescue on the Plane

平面上的搜索与救援问题

Jared Coleman, Evangelos Kranakis, Danny Krizanc, Oscar Morales-Ponce

专题命中 工具调用 ：agent(abstract)

AI总结 该研究针对平面搜索与救援问题，确定临界角$\theta^* \approx 15.6^\circ$，据此给出不同角度下智能体的最优检查点，推导竞争比闭式表达式，优化搜索与交付的竞争性能。

DreamFly: Causal Memory and Receding-Horizon Diffusion Planning for Aerial Vision-Language Navigation

DreamFly：面向空中视觉语言导航的因果记忆与后退时域扩散规划

Yan Deng, Fei Xu

机构 * School of Electronic Information Engineering, Xi’an Technological University（西安工业大学电子信息工程学院） ； School of Computer Science and Engineering, Xi’an Technological University（西安工业大学计算机科学与工程学院） 纠错

专题命中 规划决策 ：planning(title,abstract)；agent(abstract)；分类 cs.AI

AI总结 DreamFly是基于Dream-VLA的扩散式空中VLN框架，通过因果记忆、后退时域扩散规划和LiteStop解耦终止，在OpenFly基准上显著优于对比方法。

Comments 24 pages, 6 figures, 3 tables

Local verification cannot detect non-transportability: a cohomological theory of context preservation in agentic reasoning

局部验证无法检测不可迁移性：智能体推理中上下文保持的上同调理论

Suyash Mishra

专题命中 规划决策 ：agentic(title,abstract)；agent(abstract)；分类 cs.AI

AI总结 本文提出智能体推理上下文保持的上同调理论，证明局部验证无法检测不可迁移性，提出Ksetra方法并通过外汇市场验证了所提检验的有效性。

Comments 17 pages, 10 figures. Includes an exact F-test for non-transportability with verified size and power, its precision-whitened generalisation, and a foreign-exchange case where the null hypothesis is known analytically rather than estimated

Rethinking Agent Security as a Networking Problem

将智能体安全重新思考为一个网络问题

Van Tran, Taveesh Sharma, Tajveer Singh Dhesi, Nick Feamster

专题命中 规划决策 ：agent(title,abstract)；AI agent(abstract)

AI总结 该研究针对现有以智能体为中心的安全防御无法可靠防范AI智能体风险的问题，借鉴网络领域原则，提出结合确定性执行与语义策略的AI智能体安全系统设计思路。

Deployment Decision Reliability: A Generalizability-Theory Framework for Sizing Long-Horizon Agent Evaluations

部署决策可靠性：用于评估长 horizon 智能体规模的概化理论框架

Vasundra Srinivasan

机构 * Stanford School of Engineering（斯坦福工程学院） 纠错

专题命中 规划决策 ：agent(title,abstract)；分类 cs.AI、cs.LG

AI总结 该研究采用概化理论框架分析三个智能体基准的排行榜，发现其排名反映专业化而非能力，提出 DDR 报告规范并发布相关资源，为企业评估长 horizon 智能体提供可靠方法。

Comments 11 pages, 1 figure, 1 table. Code and reproducibility artifacts: https://github.com/vasundras/agent-reliability-engineering-lab

Learning-Based Behavior Planning for Automated Driving: Real-World Integration and Deployment

基于学习的自动驾驶行为规划：现实世界集成与部署

Jean-Pierre Busch, Guido Linden, Jan Bergmann, Lutz Eckstein

机构 * RWTH Aachen University（亚琛工业大学） ； Technical University of Munich（慕尼黑工业大学） 纠错

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文提出结合机器学习与经典方法的混合规划架构，通过深度神经网络解读交通场景、优化监督层验证约束，经实车部署验证其在自动驾驶行为规划中的有效性。

Comments 17 pages; Accepted to be published as part of the 17. Uni-DAS e.V. Workshop "Fahrerassistenz und automatisiertes Fahren", September 29-30, 2026

Diagnosis Before Recovery: Turning Agent Failures into Selective Self-Correction

修复前诊断：将智能体故障转化为选择性自修正

Pan Wang, Yihao Hu, Hang Wang, Zirui Lv, Xin Zhang, Jianshe Li, Jiang-Ming Yang, Wei Wu, Yongqi Tong

机构 * Ant International（蚂蚁国际） 纠错

专题命中 规划决策 ：agent(title,abstract)；分类 cs.CL

AI总结 本研究提出诊断引导的修复框架DARC，通过先诊断故障类型再进行选择性自修正，在ALFWorld等三个任务场景中提升了智能体平均任务性能并减少资源消耗，为缺乏类编译器反馈的领域构建可靠智能体提供了实用路径。

HUGIN: Enhancing Vision-Language Planning for Autonomous Logistics Sorting

HUGIN：增强自主物流分拣的视觉-语言规划能力

Xikai Sun, Cangtian Zhou, Kebin Liu, Ke Ma, Xu Wang, Zaishu Chen, Haotian Wang, Li Liu, Yunhao Liu

专题命中 规划决策 ：planning(title,abstract)；分类 cs.AI

AI总结 针对自主物流分拣的联合多场景理解挑战，提出HUGIN训练框架，构建SortingBench基准，在多VLMs上性能提升，验证了方法有效性与实际可行性。

Glance, Scrutinize, and Think: Advancing Video Anomaly Detection from Training-Free to Agentic Reasoning

扫视、审视与思考：将视频异常检测从无训练推进到智能体推理

Shibo Gao, Peipei Yang, Xu-Yao Zhang, Linlin Huang

机构 * Beijing Jiaotong University（北京交通大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

专题命中 规划决策 ：agentic(title,abstract)；分类 cs.AI

AI总结 该研究针对视频异常检测的“何时-何事”脱节问题，提出无训练框架GtS及工具增强型智能体方法，扩展基准并引入联合评估指标，实现了更高的异常检测准确性与推理速度。

Comments 34 pages, 8 figures, 8 tables. Journal extension of our AAAI 2026 paper (arXiv:2507.21507)

LoongReflect: Boosting Long-Horizon Reflection in Search Agents via Global Perspective Distillation

LoongReflect：通过全局视角蒸馏提升搜索智能体的长程反思能力

Zhixin Zhang, Xinke Jiang, Zhibang Yang, Weixuan Xu, Guohong Qiu, Xu Chu, Junfeng Zhao, Yasha Wang

专题命中 规划决策 ：agent(abstract)；tool use(abstract)；planning(abstract)；分类 cs.AI、cs.LG

AI总结 LoongReflect是将反思表述为记忆控制策略的训练框架，通过双信号通道结合全局视角蒸馏与结果导向GRPO优化，在多跳检索增强生成和数学推理任务上提升了搜索智能体的长程反思能力。

Comments 15 pages, 8 figures

Network Topology Reconfiguration: Optimal Transition Planning

网络拓扑重构：最优过渡规划

Basel Morsy, Jochen Stiasny, Adolfo Anta, Jochen Cremer

专题命中 规划决策 ：planning(title,abstract)

AI总结 该研究针对网络拓扑重构的过渡难题，提出最优过渡规划问题，采用后退时域框架求解，在1354节点系统上实现最高18.4%的运行成本降低。

Comments This work has been submitted to the IEEE for possible publication. Copyright may be transferred without notice, after which this version may no longer be accessible

The Sleeping Agent: What Gist-Based Context Compression Loses and Why

休眠智能体：基于主旨的上下文压缩会丢失什么以及为什么

Nicholas E. Kyrkewood

专题命中 规划决策 ：agent(title,comments)；分类 cs.AI、cs.CL

AI总结 本研究以SWC为工具，发现主旨压缩对多跳推理等任务表现优于截断，但会损害时间相关问题的性能，通过修改提示可提升时间问题的评判准确率。

Comments 7 pages, 5 tables, appendices. Code and results at https://github.com/kyrkewood/sleeping-agent

Preference Tree Optimization: Enhancing Goal-Oriented Dialogue with Look-Ahead Simulations

偏好树优化：通过前瞻模拟增强面向目标的对话

Lior Baruch, Moshe Butman, Kfir Bar, Doron Friedman

机构 * Reichman University（赖希曼大学） ； School of Computer Science（计算机科学学院） ； School of Communications（传播学院） 纠错

专题命中 规划决策 ：agent(abstract)；planning(abstract)；分类 cs.AI、cs.CL

AI总结 本研究提出偏好树优化（PTO）框架，结合带前瞻的偏好树与直接偏好优化（DPO），在动机访谈领域通过虚拟患者等模拟对话生成偏好数据，训练的对话智能体在关键指标上优于基线。

Comments 13 pages, 4 figures. Accepted at an ICLR 2025 workshop

Stochastic Corridor Time Network Capacity Planning for Low Altitude Airspace Systems

低空空域系统的随机走廊时间网络容量规划

Yipu Yao, Li Ding, Yanlu Zhao

专题命中 规划决策 ：planning(title)

AI总结 针对低空空域的无人机物流容量规划问题，构建两阶段随机规划并通过带列生成子问题的Benders分解求解，经实验验证其在中等及更大网络上的有效性，深圳案例显示预留集中于核心走廊。

When Do Institutions Beat Intelligence?

何时制度优于智能？

Zhengye Han

专题命中 规划决策 ：agent(abstract)；multi-agent(abstract)

AI总结 该研究通过构建受控人工生态，实验揭示制度在修复集体构建可用公共状态的失败时优于智能，反之则不然，为智能与制度的选择提供了诊断依据。

Better Slots, Better Worlds: Representation Quality & Robustness in Object-Centric World Models

更好的槽，更好的世界：以对象为中心的世界模型中的表示质量与鲁棒性

Shukrullo Nazirjonov, Sai Prasanna, Anna Manasyan, Georg Martius

专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG

AI总结 该研究通过受控实验分析以对象为中心的世界模型，发现槽质量与规划成功率正相关，槽绑定良好时可减少辅助输入，且在分布偏移下其鲁棒性优于LeWM，预训练特征是鲁棒性关键因素。

Comments Published at Model-Based RL in the Era of Generative World Models Workshop at RLC 2026

Remote Sensing and Machine Learning-Based Analysis of Land Use and Vegetation Change in Dhaka District, Bangladesh

基于遥感与机器学习的孟加拉国达卡区土地利用及植被变化分析

Muhammad Masud Tarek, Md. Alamgir Hossain, Md. Samiul Islam, Muntasir Hasan Kanchan

专题命中 规划决策 ：planning(abstract)；分类 cs.AI、cs.LG

AI总结 本研究结合遥感与机器学习，分析孟加拉国达卡区2019-2024年土地利用与植被变化，发现建成区大幅扩张、植被与水体缩减，随机森林分类精度最高，为城市可持续发展提供数据支撑。

Comments 16 Pages, 8 Figures, 9 Tables

GCPO: Diagnosing and Constraining Subspace Geometry in Rollout RL for LLMs

GCPO：针对大语言模型的rollout强化学习中子空间几何的诊断与约束

Kai Yang, Jingwei Xu, Wanyu Wang, Kai-Yuan Guo, Zhenbo Yu, Yi Wang, Yu Qiao

机构 * Shanghai AI Lab（上海人工智能实验室） 纠错

专题命中 规划决策 ：tool-use(abstract)；分类 cs.AI、cs.LG

AI总结 GCPO通过几何约束策略优化方法，诊断rollout强化学习的子空间几何问题，在大语言模型后训练中提升了多任务性能并解决了训练不稳定等问题

Comments 15 pages, 10 figures

Let it Cook: Learning to Wait in Sequential Decision Making

顺其自然：序贯决策中的等待学习

Christopher Watson, Arjun Krishna, Dinesh Jayaraman, Rajeev Alur

专题命中 规划决策 ：agent(abstract)；分类 cs.AI、cs.LG

AI总结 该研究针对序贯决策中智能体频繁感知决策的问题，提出采用带字典序目标的强化学习训练等待策略，在7类任务上实现了可观的等待时长，且不牺牲任务性能。

Comments 25 pages

Lifecycle-Optimal Tokenization: Vocabulary Size as a Deployment-Regime-Dependent Infrastructure Parameter

生命周期最优分词：词汇表大小作为与部署 regime 相关的基础设施参数

Rima Mittal, Ankit Gubrani, Satyanarayana Kakollu

专题命中 规划决策 ：planning(abstract)；分类 cs.CL、cs.LG

AI总结 该研究发现 LLM 分词器的最优词汇表大小随部署 regime 变化，提出生命周期部署成本模型，经实验证实其与训练最优值差异最高达 16 倍，且最优范围内质量损失极小，为 LLM 部署提供词汇表容量规划指导。

Comments 6 pages, 3 figures, 6 tables

Lost in Compaction: Evaluating Side-Constraint Loss under Context Compaction

在压缩中迷失：评估上下文压缩下的侧约束损失

Zhiqi Wang, Yichi Zhang, Dongwon Lee, Yuchen Yang

机构 * The Pennsylvania State University（宾夕法尼亚州立大学） 纠错

专题命中 规划决策 ：agentic(abstract)；分类 cs.AI、cs.CL

AI总结 本文针对长上下文场景下压缩器丢失会话约束（SCs）的问题，提出COMPINT评估套件量化损失，并开发即插即用的SCs感知提取器，使SCs保留率超90%。

Transit Destination Inference from Tap-In-Only Bus Smart-Card Data: A Hierarchical Bayesian Approach

仅刷卡进站的公交智能卡数据的出行目的地推断：一种分层贝叶斯方法

Gefei Zhao, Jiahe Ling, Yuelong Su

专题命中 规划决策 ：planning(abstract)；分类 cs.LG

AI总结 针对仅刷卡进站公交智能卡数据无法构建OD矩阵的问题，本研究提出分层贝叶斯潜在目的地（HBLD）模型，结合多类数据推断出行目的地，经评估其表现优于基线，可生成不确定性感知的OD矩阵用于公交相关管理工作。